Probabilités – Terminale S

PROBABILITÉS

I. PROBABILITÉS ( RAPPELS)

a. Expériences aléatoires et modèles

Le lancer d’une pièce de monnaie, le lancer d’un dé … sont des expériences aléatoires, car avant
de les effectuer, on ne peut pas prévoir avec certitude quel en sera le résultat, résultat qui dépend en
effet du hasard.

A cette expérience aléatoire, on associe l’ensemble des résultats possibles appelé univers. Ses
éléments sont appelés éventualités.

♦ Les sous-ensembles de l’univers Ω sont appelés événements.

♦ Les événements formés d’un seul élément sont appelés événements élémentaires.
♦ Etant donné un univers Ω, l’événement Ω est l’événement certain.
♦ L’ensemble vide est l’événement impossible.

♦ L’événement formé des éventualités qui sont dans A et dans B est noté A ∩ B et se lit A inter B.
♦ L’événement formé des éventualités qui sont dans A ou dans B est noté A ∪ B et se lit A union B.

♦ Etant donné un univers Ω et un événement A, l’ensemble des éventualités qui ne sont pas dans A
constitue un événement appelé événement contraire de A, noté A .
♦ A et B sont incompatibles si et seulement si A ∩ B = ∅.

Pour décrire mathématiquement une expérience aléatoire, on choisit un modèle de cette

expérience ; pour cela on détermine l’univers et on associe à chaque événement élémentaire un nombre
appelé probabilité.

1
 Probabilités – Terminale S

b. Probabilités sur un ensemble fini

Définition : Soit Ω = {a1, a2, …, an} un ensemble fini.

on définit une loi de probabilité sur Ω si on choisit des nombres p1, p2, …, pn tels que, pour
tout i, 0  pi  1 et p1 + p2 + … + pn = 1 ; pi est la probabilité élémentaire de l’événement {ai} et
on note pi = p({ai}) ou parfois plus simplement p(ai).

pour tout événement E inclus dans Ω, on définit p(E) comme la somme des probabilités des
événements élémentaires qui définissent E.

Propriétés

Parties de E Vocabulaire des événements Propriété

A A quelconque 0  p(A)  1
∅ Evénement impossible p(∅) = 0
E Evénement certain p(E) = 1
A∩B=∅ A et B sont incompatibles p( A ∪ B) = p(A) + p(B)
A A est l’événement contraire de A p( A ) = 1 – p(A)
A, B A et B quelconques p(A ∪ B) = p(A) + p(B) – p( A ∩ B)

Exercice n°1 :
On considère l’ensemble E des entiers de 20 à 40. On choisit l’un de ces nombres au hasard.

A est l’événement : « le nombre est multiple de 3 »

B est l’événement : « le nombre est multiple de 2 »

C est l’événement : « le nombre est multiple de 6 ».
Calculer p(A), p(B), p(C), p(A ∩ B), p(A ∪ B), p(A ∩ C) et p(A ∪ C).

Définition : On dit qu’il y a équiprobabilité quand tous les événements élémentaires ont la
même probabilité.

Calculs dans le cas d’équiprobabilité

Dans une situation d’équiprobabilité, si Ω a n éléments et si E est un événement composé de m

card E
événements élémentaires : p(E) = où card E et card Ω désignent respectivement le nombre
card Ω
d’éléments de E et de Ω. On le mémorise souvent en disant que c’est le nombre de cas favorables
divisé par le nombre de cas possibles.

Remarque :
Les expressions suivantes « dé équilibré ou parfait », « boule tirée de l’urne au hasard »,
« boules indiscernables » … indiquent que, pour les expériences réalisées, le modèle associé est
l’équiprobabilité .
2
 Probabilités – Terminale S

Exercice n°2 : avec un dé

On lance deux fois de suite un dé équilibré.
1°) Représenter dans un tableau les 36 issues équi probables .
2°) Calculer la probabilité des événements :
A : « on obtient un double » ; B : « on obtient 2 numéros consécutifs »
C : « on obtient au moins un 6 » ; D : « la somme des numéros dépasse 7 ».

Exercice n°3 : avec une pièce

On lance 4 fois de suite une pièce équilibrée.
1°) Dresser la liste des issues équiprobables.
2°) Quel est l’événement le plus probable : A ou B ?
A : « 2 piles et 2 faces »
B : « 3 piles et 1 face ou 3 faces et 1 pile ».

c. Variables aléatoires

Exercice n°4 :
On lance trois fois de suite une pièce de monnaie équilibrée. On gagne 2 € pour chaque résultat
« pile » et on perd 1 € pour chaque résultat « face ».
1°) Quel est l’ensemble E des issues possibles ?
2°) Soit X l’application de E dans  qui, à chaque issue, associe le gain correspondant.
a) Quelles sont les valeurs prises par X ?
b) Quelle est la probabilité de l’événement « obtenir un gain de 3 € » ? On note cette probabilité
p(X = 3).

On obtient une nouvelle loi de probabilité sur l’ensemble des gains E’ = X(E) = {-3 ;0 ;3 ;6 } ; nous la
nommons loi de probabilité de X :

Gain xi x1 = -3 x2 = 0 x3 = 3 x4 = 6
Probabilité 1 3 3 1
pi = p(X = xi) 8 8 8 8

Définition :
▪ Une variable aléatoire X est une application définie sur un ensemble E muni d’une
probabilité P, à valeurs dans .
▪ X prend les valeurs x1, x2, …, xn avec les probabilités p1, p2, …, pn définies par : pi = p(X = xi).
▪ L’affectation des pi aux xi permet de définir une nouvelle loi de probabilité. Cette loi
notée PX, est appelée loi de probabilité de X.

Remarque :
Soit X une variable aléatoire prenant les valeurs x1, x2, …, xn avec les probabilités p1, p2, …, pn. On
appelle respectivement espérance mathématique de X, variance de X et écart-type de X , les
nombres suivants :

3
 Probabilités – Terminale S

▪ l’espérance mathématique est le nombre E(X) défini par : E(X) = ∑(p x ).

i i

i=1
n n
▪ la variance est le nombre V défini par : V(X) = ∑ pi (xi – E(X))2 = ∑ pi xi² – E(X)².
i=1 i=1

▪ l’écart - type est le nombre σ défini par : σ = V.

Exercice n°5 :
Un joueur lance un dé : si le numéro est un nombre premier, le joueur gagne une somme égale au
nombre considéré (en euros) ; sinon il perd ce même nombre d’euros.
1°) Si X est le gain algébrique réalisé, donner la loi de probabilité de X et calculer son espérance
mathématique et son écart-type.
2°) Le jeu est-il favorable au joueur ?

II. CONDITIONNEMENT

a. Arbres pondérés

Règles de construction
La somme des probabilités des branches issues d'un même nœud est 1.
La probabilité de l'événement correspondant à un trajet est le produit des probabilités des
différentes branches composant ce trajet.

Exemple
On jette une pièce.
▪ Si on obtient pile, on tire une boule dans l’urne P contenant 1 boule blanche et 2 boules noires.
▪ Si on obtient face, on tire une boule dans l’urne F contenant 3 boules blanches et 2 boules noires.
On peut représenter cette expérience par l'arbre pondéré ci-dessous :

1/3 p(P∩B) = 1/6

B

1/2 P
2/3 p(P∩N) = 1/3
N

3/5 p(F∩B) = 3/10

1/2 B

F
2/5
N p(F∩N) = 1/5

b. Probabilité conditionnelle

Exercice n°6 :
En fin de 1eS, chaque élève choisit une et une seule spécialité en terminale suivant les répartitions
ci –dessous :

4
 Probabilités – Terminale S

Par spécialité :
Mathématique Sciences SVT
s Physiques
40% 25% 35%

Sexe de l’élève selon la spécialité :

Sexe / Spécialité Mathématiques Sciences physiques SVT
Fille 45% 24% 60%
Garçon 55% 76% 40%

On choisit un élève au hasard.

1°) Construire l’arbre pondéré de cette expérience aléatoire.
2°) a) Quelle est la probabilité de chacun des év énements suivants ?
F : « l’élève est une fille », M : « l’élève est en spécialité maths ».
b) Quelle est la probabilité que ce soit une fille ayant choisi spécialité mathématiques ?
c) Sachant que cet élève a choisi spécialité mathématiques, quelle est la probabilité que ce
soit une fille ?
On appelle probabilité de F sachant M cette probabilité (conditionnelle) et on la note pM(F) ou
P(F/M)
Quelle égalité faisant intervenir p(F ∩ M), p(F) et pM(F) peut-on écrire ?
Comparer p(F) et pM(F) et en donner une interprétation.
d) Sachant que cet élève a choisi spécialité SVT, quelle est la probabilité que ce soit une fille ?
e) Comparer pS(F) et p(F) , et en donner une interprétation.

Définition : p désigne une probabilité sur un univers fini Ω.

A et B étant deux événements de Ω, B étant de probabilité non nulle.
▪ On appelle probabilité conditionnelle de l’événement A sachant que B est réalisé le réel
P (A ∩ B )
noté p (A / B ) = .
p (A )
▪ Le réel p(A /B) se note aussi pB(A) et se lit aussi probabilité de A sachant B.

Remarque :
Si A et B sont tous deux de probabilité non nulle, alors les probabilités conditionnelles
p(A/B) et p(B/A) sont toutes les deux définies et on a : p(A ∩ B) = p(A/B)p(B) = p(B/A)p(A).

Exercice n°7 : Efficacité d’un test »

Une maladie atteint 3% d’une population donnée. Un test de dépistage donne les résultats suivants :

Chez les individus malades, 95% des tests sont positifs et 5% négatifs.

Chez les individus non malades, 1% des tests sont positifs et 99% négatifs.
On choisit un individu au hasard.
1°) Construire l’arbre pondéré de cette expérience aléatoire.
2°) Quelle est la probabilité
a) qu’il soit malade et qu’il ait un test positif ?
b) qu’il ne soit pas malade et qu’il ait un test négatif ?
c) qu’il ait un test positif ?
d) qu’il ait un test négatif ?
3°) Calculer la probabilité
a) qu’il ne soit pas malade, sachant que le test est positif ?
b) qu’il soit malade, sachant que le test est négatif ?
4°) Interpréter les résultats obtenus aux question s 3a et 3b.
5
 Probabilités – Terminale S

III. INDÉPENDANCE

a. Événements indépendants

Définition : A et B sont 2 événements de probabilité non nulle.

▪ A et B sont indépendants lorsque la réalisation de l’un ne change pas la réalisation de
l’autre.
▪ A et B sont indépendants si et seulement si p(A/B) = p(A) ou p(B/A) = p(A).

Théorème :
Deux événements A et B de probabilité non nulle sont indépendants si et seulement si ils
vérifient une des trois conditions :
p(A/B) = p(A) ou p(B/A) = p(B) ou p( A ∩ B) = p(A)p(B).

Démonstration :
▪ Par définition, les deux premières sont équivalentes
▪ si p(A/B) = p(A) comme p(A ∩ B) = p(A/B)p(B) alors p(A ∩ B) = p(A) p(B)
p (A ∩ B)
▪ si p(A∩B) = p(A)p(B), comme p(B) ≠ 0, = p(A) c’est-à-dire pB(A) = p(A)
p (B)

Remarque :
Ne pas confondre événements indépendants et événements incompatibles.
▪ 2 événements A et B sont indépendants si p(A ∩ B)= p(A)p(B)
▪ 2 événements A et B sont incompatibles si A ∩ B= ∅.

Exercice n°8
On extrait au hasard un jeton d’un sac contenant six jetons : trois rouges numérotés 1, 2 et 3, deux
jaunes numérotés 1 et 2 , et un bleu numéroté 1.
On désigne respectivement par R, U et D les événements :
« le jeton est rouge », « le numéro est 1 » et « le numéro est 2 ».
Les événements R et U sont-ils indépendants ? Et les événements R et D ?

b) Indépendance de deux variables aléatoires

Définition : X et Y sont deux variables définies sur l’univers Ω d’une expérience aléatoire ;
X prend les valeurs x1, x2, …, xn et Y prend les valeurs y1, y2, …, yq.
Définir la loi du couple (X, Y) c’est donner la probabilité pi,j de chaque événement
[(X = xi) et (Y = yj)].

Remarque :
Les événements (X = xi) et (Y = yj) sont indépendants si : p[(X = xi) et (Y = yj)] = p(X = xi) × p(Y = yj)

6
 Probabilités – Terminale S

Exercice n° 9
On tire au hasard une carte d’un jeu de 32 cartes. L’ensemble Ω des issues est alors l’ensemble des
32 cartes et le fait de tirer au hasard implique que les événements élémentaires sont équiprobables.
▪ On définit sur Ω la variable aléatoire X qui, à chaque issue, associe 1 si cette issue est un valet, 2 si
c’est une dame, 3 si c’est un roi, 4 si c’est un as et 0 si ce n’est pas l’une de ces figures.
Les valeurs de X sont donc x1 = 0, x2 = 1, x3 = 2, x4 = 3, x5 = 4.
▪ On définit sur Ω la variable aléatoire Y qui, à chaque issue, associe 1 si cette issue est un trèfle ou
un carreau, 2 si c’est un cœur, 3 si c’est un pique.
Les valeurs de Y sont y1 = 1, y2 = 2, y3 = 3.
1°) Définir la loi du couple (X, Y).( on pourra dr esser un tableau à double entrée)
2°) Donner les lois de X et de Y.
3°) X et Y sont-elles indépendantes ?

c) Probabilités totales

Définition : Soient Ω un univers associé à une expérience aléatoire et n un entier  2.

Les événements A1, A2, …, An forment une partition de Ω si les trois conditions suivantes sont
réalisées :
▪ pour tout i ∈ {1 ; 2 ;… ; n}, Ai ≠ 0.
▪ pour tous i et j (avec i ≠ j) de {1 ;2 ;…n}, Ai ∩ Aj ≠ ∅.
▪ A1 ∪ A2 ∪ … ∪ An = E.

Formule des probabilités totales

Soient A1, A2, …, An une partition de l’univers Ω constituée d’événements de probabilités
non nulles et B un événement quelconque contenu dans Ω.
Alors : p(B) = p(B ∩ A1) + p(B ∩ A2) + … + p(B ∩ An)
Ou p(B) = pA1 (B ) × p(A1 ) + pA2 (B ) × p(A2 ) + Κ Κ + pAn (B) × p(An ) .

Démonstration :
B = (B ∩ A1) ∪ (B ∩ A2) ∪ … ∪ (B ∩ An),
Les événements (B ∩ A1), (B ∩ A2), …, (B ∩ An) sont 2 à 2 incompatibles donc la probabilité de leur
réunion est la somme de chacun d’entre eux , on en déduit :
p(B) = p(B ∩ A1) + p(B ∩ A2) + … + p(B ∩ An).
et en utilisant que, pour tout i de {1 ; 2 ; … ; n}, p(B ∩ Ai)=pAi(B) × p(Ai), on obtient :
p(B)= pA (B) × p(A1 ) + pA (B) × p(A2 ) + Κ Κ + pAn (B) × p(An )
1 2

Exercice n°10 :
On dispose de deux urnes U1 et U2 indiscernables. U1 contient 4 boules rouges et trois boules vertes,
U2 contient 2 boules rouges et 1 boule verte .
On choisit une urne au hasard et on tire une boule de cette urne.
Calculer la probabilité pour qu’elle soit rouge.

7
 Probabilités – Terminale S

d) Modélisation d’expériences indépendantes

On considère les deux expériences aléatoires suivantes :

▪ A : on lance une pièce de monnaie équilibrée, les issues de l’expérience sont notées P et F.
▪ B : on tire au hasard un jeton dans une urne qui contient trois jetons portant les lettres a, b et c.

Lorsqu’on effectue successivement les deux expériences A et B, l’issue de l’une quelconque des
deux expériences ne dépend pas de l’issue de l’autre.

Les issues de la nouvelle expérience qui consiste à effectuer successivement A et B sont des
listes d’issues telles que ( P ; c ), …
L’ arbre donnant toutes les listes de résultats possibles est :

(P ; a)
a

b (P ; b)
P

(P ; c)
c

(F ; a)
a

(F ; b)
F b

c (F ; c)

On modélise cette expérience aléatoire en définissant la probabilité d’une liste d’issues

comme le produit des probabilités de chaque issue.

IV. DENOMBREMENT

Un magazine propose à ses lecteurs une liste de 5 chanteurs célèbres a, b, c, d et E ; il leur

demande de choisir 3 des ces chanteurs et de les ranger par ordre de préférence sur un coupon
réponse à renvoyer au journal.

Exemples de réponses :

1:a 1:b 1:c

2:b 2:a 2:e
3:c 3:c 3:a

On veut dénombrer les différentes réponses possibles

8
 Probabilités – Terminale S

a) Permutations

Définition : Soit E un ensemble à p éléments, on appelle permutation de E toute liste

ordonnée des p éléments de E .

Exemple :
Les permutations de { a, b, c } sont : abc, acb, bac, bca, cab, cba.
Elles sont au nombre de 3 × 2 × 1 = 6.

Définition : Le nombre p×(p – 1)×(p – 2)×…×2 × 1 se note p ! et se lit « factorielle p ».

Par convention, 0 ! = 1.

Exercice n°11 :
Avec les chiffres 5, 6, 7, 8 et 9 utilisés une et une seule fois, combien peut–on écrire de
nombres à 5 chiffres ?

b) Combinaisons

Définition : Soit E un ensemble à n éléments, on appelle combinaison de p éléments de E toute

partie de E formée de p éléments.

Exemple :
Les combinaisons de 3 éléments de E = { a, b, c, d, e } sont les groupes de 3 chanteurs (sans ordre) :
{a, b, c} ; {a, b, d} ; {a, b, e} ; {a, c, d} ; {a, c, e} ; {a, d, e} ; {b, c, d} ; {b, c, e} ; {b, d, e} ; {c, d, e}
Elles sont on nombre de 10. On note  3  = 10.
5

Propriété :
Soit E un ensemble non vide à n éléments et p un entier tel que 0 < p ≤ n, alors le nombre de
n
combinaisons à p éléments de E noté  p  vérifie :

n n!
p =
  p ! × (n – p) !

9
 Probabilités – Terminale S

Triangle de Pascal et propriétés des combinaisons

n
On dispose les  dans un tableau à double entrée, appelé triangle de Pascal :
p

n \ p 0 1 2 3 4 5 …

0  0 = 1
0
1 1= 1 1= 1
0 1
2  2 = 1 2 = 2 2 = 1
0 1 2
3  3 = 1 3 = 3 3 = 3 3 = 1
0 1 2 3
4 4= 1 4 = 4 4 = 6 4 = 4 4 = 1
0 1 2 3 4
5  5 = 1 5 = 5  5  = 10  5  = 10 5 = 5 5 = 1
0 1 2 3 4 5

Propriétés :
Pour tous entiers p et n tels que 0 ≤ p ≤ n, on a :
▪  0  = 1 et  1  = n
n n

▪  p  =  n-p 
n n

▪  p  +  p+1  =  p+1 
n n n+1

Binôme de Newton
On observe que : (a + b) = 1a + 1b,
(a + b)² = 1a² + 2ab + 1b²,
(a + b)3 = 1a3 + 3a²b + 3ab² + 1b3.
On retrouve les coefficients du triangle de Pascal.

Propriété :
Pour tous réels a et b et tout entier naturel n, on a :
n
(a + b) = ∑. p  × an–p × bp
n n

p=0

Les nombres  p  sont appelés « coefficients du binôme ».

n

Exercice n°12 :
Développer les expressions suivantes : A =(x + 2)4 B = (x – 2)4
10
 Probabilités – Terminale S

Exercice n°13 :
Dans un jeu de 32 cartes, on tire simultanément 3 cartes au hasard.
Quelle est la probabilité d’obtenir :
1°) Trois as.
2°) Trois cartes de même valeur.
3°) Deux cœurs et un pique.

Exercice n°14 :
Une urne contient : 5 boules n°10 ; 4 boules n°15 ; 3 boules n°20.
On tire simultanément 3 boules de cette urne. Les tirages sont équiprobables.
1°) Déterminer les probabilités suivantes :
A : « On tire au moins une boule n°15 »
B : « On tire trois boules portant trois numéros différents »
C : « On tire trois boules portant le même numéro »
D : « Parmi les trois boules, deux portent le même numéro »
2°) Il faut payer 51 € pour effectuer un tirage d e trois boules, et chaque tirage rapporte en
euros la somme des points marqués. Quelle est la probabilité d’être gagnant ?.

c) Autres dénombrements, hors programme

▪ P-listes : Il s'agit de compter toutes les listes possibles de p éléments parmi n en tenant
compte de l'ordre et avec répétitions des éléments. Le nombre de ces listes est n p .

▪ Arrangements : On choisit p éléments parmi n en tenant compte de l'ordre mais sans

n!
répétitions. Anp = n ( n − 1) Κ (n − p + 1) = !
( n − p )!

▪ Combinaisons : Une combinaison de p éléments de E est une partie de E qui contient p

éléments. On choisit p éléments parmi n mais sans tenir compte de l'ordre et sans
répétitions.

Types de Répétitions
Ordre Dénombrement
tirages d'éléments

Successifs Un élément peut être p

n p-listes
Avec remise On tient compte tiré plusieurs fois

Successifs
de l'ordre Anp arrangements
Avec remise Un élément n'est tiré

L'ordre
Simultanés qu'une seule fois C np combinatoires
n'intervient pas

11
 Probabilités – Terminale S

V. LOIS DE PROBABILITE

a) Loi de Bernoulli

Définition : Une alternative est une épreuve à deux issues possibles :

▪ le succès, noté 1, de probabilité p,
▪ l’échec, noté 0, de probabilité q = 1 – p.
Sa loi de probabilité est appelée loi de Bernoulli de paramètre p.

Exemple :
Un dé cubique est mal équilibré : la probabilité d’obtenir 6 est de 1/7.
On appelle succès l’événement « obtenir 6 » et échec « obtenir un numéro différent de 6 ».
Cette expérience qui ne comporte que deux issues suit une loi de Bernoulli.
Si On effectue cinq fois cette expérience. On est en présence d’un schéma de Bernoulli.

Théorème :
Pour une loi de Bernoulli de paramètre p, l’espérance est p et l’écart type est pq

b) Loi Binomiale

Définition : Soit un schéma de Bernoulli constitué d’une suite de n épreuves.

Soit X la variable aléatoire égale au nombre de succès obtenus, alors :
n
P(X = k) =  × pk × (1 – p)n – k (0 ≤ k ≤ n)
k

Exemple :
Dans l’exemple précédent, on appelle X la variable aléatoire comptant le nombre de succès à l’issue des
5 lancés. On obtient les probabilités suivantes :
 5   1  6
P0 = P(X = 0) =  ×  0 ×  5 = 0,4627.
 0  7 7
P1 =0,3856 ; P2 = 0,1285 ; P3 = 0,0214 ; P4 = 0,0018 ; P5 = 0,0001.

Théorème :
Pour une loi Binomiale de paramètres n et p, l’espérance est np et l’écart type est npq

Exercice n°15 :
Un sac contient 20 jetons indiscernables au toucher.
Six d’entre eux sont rouges et les autres sont bleus.
1°) On tire un jeton au hasard. Quelle est la prob abilités p d’obtenir un jeton rouge ?
2°) On tire successivement 6 jetons un à un, avec remise.
a) Quelle est la probabilité P1 d’obtenir exactement trois jetons rouges ?
b) Quelle est la probabilité P2 d’obtenir exactement un jeton rouge ou un jeton bleu ?
c) Quelle est la probabilité P3 d’obtenir au moins quatre jetons rouges ?
12